PENGENALAN BAHASA ISYARAT HURUF ABJAD MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Pada Departemen Ilmu Komputer/Informatika Disusun Oleh : Sulistia Rauf Yulian J2F009086 DEPARTEMEN ILMU KOMPUTER/ INFORMATIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO 2016
HALAMAN PERNYATAAN KEASLIAN SKRIPSI Saya yang bertanda tangan di bawah ini : Nama : Sulistia Rauf Yulian NIM : J2F009086 Judul : Pengenalan Bahasa Isyarat Huruf Abjad Menggunakan Metode Learning Vector Quantization (LVQ) Dengan ini saya menyatakan bahwa dalam tugas akhir/ skripsi ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan di dalam daftar pustaka. ii
HALAMAN PENGESAHAN Judul : Pengenalan Bahasa Isyarat Huruf Abjad Menggunakan Metode Learning Vector Quantization (LVQ) Nama : Sulistia Rauf Yulian NIM : J2F009086 Telah diujikan pada sidang tugas akhir pada tanggal 31 Agustus 2016 dan dinyatakan lulus pada tanggal 31 Agustus 2016. iii
HALAMAN PENGESAHAN Judul : Pengenalan Bahasa Isyarat Huruf Abjad Menggunakan Metode Learning Vector Quantization (LVQ) Nama : Sulistia Rauf Yulian NIM : J2F009086 Telah diujikan pada sidang tugas akhir pada tanggal 31 Agustus 2016. iv
ABSTRAK Komunikasi paling efektif bagi mereka yang kurang beruntung (dalam hal ini penderita tuna rungu) adalah komunikasi non verbal. Komunikasi non verbal menggunakan gerakan tangan maupun gerakan tubuh dalam komunikasinya. Pada masyarakat umum masih sedikit yang mengerti bahasa isyarat, maka penelitian ini bertujuan mengimplementasikan aplikasi pengenalan bahasa isyarat huruf abjad secara komputasi menggunakan pengenalan pola. Jaringan syaraf tiruan Learning Vector Quantization (LVQ) dapat digunakan untuk melakukan klasifikasi sebuah pola berdasarkan permasalahan tertentu seperti halnya dalam pengenalan bahasa isyarat huruf abjad. Tahapan processing yang harus dilalui sebelum dilakukan pelatihan terhadap Jaringan syaraf tiruan Learning Vector Quantization (LVQ) adalah grayscalling, thresholding, cropping, dan scalling. Keluaran dari aplikasi ini berupa identifikasi huruf abjad A - Z berupa text, dimana text yang dihasilkan bersesuaian dengan huruf alfabet pada sistem isyarat bahasa Indonesia (SIBI). Hasil dari pengujian penelitian ini dapat mengenali 26 huruf isyarat, dengan tingkat akurasi sebesar 61,54%. Kata kunci : Jaringan Syaraf Tiruan, Learning Vector Quantization, Bahasa Isyarat v
ABSTRACT The most effective communication is non-verbal communication. Non-verbal communication used hand or body gesture on it. The general public s lack of knowledgement about sign language, thus this research were made for implementing the application of sign language s character using pattern recognition computation. Artificial neural network Learning Vector Quantization (LVQ) can be used to classify a pattern based on specific problem just like sign language character s recognition. Processing phase before doing an artificial neural network Learning Vector Quantizaion (LVQ) were grayscalling, thresholding, cropping, and scaling. The output of this application is a character A - Z identification as a text that have a similar pattern with a character form Indonesian s sign language system (SIBI). The result from testing research can recognize 26 sign language with accuracy 61,54%. Keywords: Artificial Neural Network, Learning Vector Quantization, Sign Language vi
KATA PENGANTAR Segala puji penulis ucapkan kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-nya sehingga penulis dapat menyusun tugas akhir yang berjudul Pengenalan Bahasa Isyarat Huruf Abjad Menggunakan Metode Learning Vector Quantization (LVQ) sehingga dapat memperoleh gelar Sarjana Strata Satu Departemen Ilmu Komputer/ Informatika pada Fakultas Sains dan Matematika Universitas Diponegoro. Dalam penyusunan tugas akhir ini, penulis mendapat bantuan dan dukungan dari banyak pihak. Atas peran sertanya dalam membantu dalam penyelesaian tugas akhir ini, penulis ingin mengucapkan terima kasih kepada : 1. Prof. Dr. Widowati, S.Si, M.Si selaku Dekan Fakultas Sains dan Matematika Universitas Diponegoro. 2. Ragil Saputra, S.Si, M.Cs. selaku Ketua Departemen Ilmu Komputer/ Informatika FSM Undip 3. Drs. Suhartono, M.Kom selaku dosen pembimbing yang telah membimbing dan mengarahkan Penulis dalam menyelesaikan tugas akhir ini. 4. Bapak Helmie Arif Wibawa, S.Si, M.Cs. selaku Koordinator Tugas Akhir Departemen Ilmu Komputer/ Informatika. 5. Semua pihak yang telah membantu kelancaran dalam pelaksanaan tugas akhir ini yang tidak dapat penulis sebutkan satu per satu. Penulis menyadari bahwa masih banyak kekurangan dalam penyusunan laporan tugas akhir ini, untuk itu penulis mohon maaf dan mengharapkan saran serta kritik yang membangun dari pembaca. Semoga laporan tugas akhir ini dapat bermanfaat bagi pengembangan ilmu dan pengetahuan, khususnya pada bidang komputer. Semarang, 20 September 2016 Sulistia Rauf Yulian vii
DAFTAR ISI HALAMAN PERNYATAAN KEASLIAN SKRIPSI... ii HALAMAN PENGESAHAN... iii HALAMAN PENGESAHAN... iv ABSTRAK... v ABSTRACT... vi KATA PENGANTAR... vii DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiii DAFTAR LAMPIRAN... xiv BAB I PENDAHULUAN... 1 1.1. Latar Belakang... 1 1.2. Rumusan Masalah... 2 1.3. Tujuan dan Manfaat... 3 1.4. Ruang Lingkup... 3 1.5. Sistematika Penulisan... 3 BAB II LANDASAN TEORI... 5 2.1. Bahasa Isyarat... 5 2.2. Pengolahan Citra... 6 2.3. Grayscalling... 7 2.4. Thresholding... 7 2.5. Cropping... 9 2.6. Scalling (Penskalaan)... 10 2.7. Jaringan Syaraf Tiruan... 11 2.8. Learning Vector Quantization... 12 viii
2.9. K-Fold Cross Validation... 23 2.10. Structur Programming... 24 2.10.1. Flowchart... 24 2.10.2. Permodelan Data... 25 2.10.3. Permodelan Fungsional... 25 2.10.3.1. DCD (Data Context Diagram)... 25 2.10.3.2. DFD (Data Flow Diagram)... 26 2.11. Model Proses Waterfall... 27 BAB III ANALISIS DAN PERANCANGAN... 30 3.1. Analisis... 30 3.1.1. Deskripsi Umum Sistem... 30 3.1.2. Kebutuhan Fungsional dan Non Fungsional... 30 3.1.2.1. Kebutuhan Fungsional... 30 3.1.2.2. Kebutuhan Non-Fungsional... 31 3.1.3. Identifikasi Data Pelatihan dan Pengujian... 31 3.1.4. Pemodelan Data... 32 3.1.4.1. Pemodelan Fungsional... 32 3.1.4.1.1. Data Context Diagram (DCD)... 33 3.1.4.1.2. Data Flow Diagram (DFD)... 33 3.2. Perancangan Perangkat Lunak... 35 3.2.1. Perancangan sistem... 35 3.2.2. Desain Data... 45 3.2.3. Perancangan Antarmuka... 45 3.2.3.1. Form Home... 45 3.2.3.2. Form Input... 46 3.2.3.3. Form Pelatihan... 46 3.2.3.4. Form Pengenalan... 47 ix
BAB IV IMPLEMENTASI DAN PENGUJIAN... 48 4.1. Implementasi Perangkat Lunak... 48 4.1.1. Lingkungan Implementasi... 48 4.1.2. Implementasi Fungsi... 49 4.1.3. Implementasi Data... 49 4.1.4. Implementasi Antarmuka... 49 4.1.4.1. Form Home... 49 4.1.4.2. Form input... 50 4.1.4.3. Form Pelatihan... 50 4.1.4.4. Form Pengenalan... 51 4.2. Pengujian... 52 4.2.1. Pengujian Fungsional... 52 4.2.1.1. Rencana Pengujian Fungsional... 52 4.2.1.2. Hasil dan Analisis Pengujian Fungsional... 53 4.2.2. Pengujian Akurasi Sistem... 57 4.2.2.1. Rencana Pengujian... 57 4.2.2.2. Hasil Akurasi Pengujian... 58 4.2.2.1. Hasil Analisa Akurasi Pengujian... 60 BAB V KESIMPULAN DAN SARAN... 61 5.1. Kesimpulan... 61 5.2. Saran... 61 DAFTAR PUSTAKA... 62 LAMPIRAN... 63 x
DAFTAR GAMBAR Gambar 2.1. Citra Sistem Isyarat Baha Indonesia (SIBI)... 6 Gambar 2.2. Citra Grayscalling... 7 Gambar 2.3. Contoh Matrik citra grayscale 4x4... 8 Gambar 2.4. Contoh matrik citra tresholding 4x4... 8 Gambar 2.5. Proses Cropping... 9 Gambar 2.6. Contoh perhitungan interpolasi... 11 Gambar 2.7. Arsitektur Jaringan LVQ... 12 Gambar 2.8. Tabel notasi DFD... 27 Gambar 2.9. Model Proses Waterfall... 28 Gambar 3.1. ERD sistem pengenalan bahasa Isyarat huruf abjad menggunakan metode JST learning vector quantization... 32 Gambar 3.2. DCD sistem pengenalan bahasa isyarat huruf abjad menggunakan LVQ... 33 Gambar 3.3. DFD Sistem pengenalan bahasa isyarat huruf abjad menggunakan LVQ... 34 Gambar 3.4. DFD level 2 proses preprocessing... 34 Gambar 3.5. Flowchart pengenalan bahasa isyarat huruf abjad menggunakan LVQ... 36 Gambar 3.6. Flowchart Proses Grayscalling... 37 Gambar 3.7. Flowchart Proses Thresholding... 38 Gambar 3.8. Flowchart Proses Cropping... 39 Gambar 3.9. Flowchart Proses Scalling... 41 Gambar 3.10. Arsitektur Jaringan LVQ... 42 Gambar 3.11. Flowchart pelatihan Jaringan LVQ... 43 Gambar 3.12. Flowchart proses pengenalan bahasa isyarat huruf abjad... 44 Gambar 3.13. Form Home Sistem pengenalan bahasa isyarat huruf abjad menggunakan LVQ... 46 Gambar 3.14. Form Input Sistem pengenalan bahasa isyarat huruf abjad menggunakan LVQ... 46 Gambar 3.15. Form Pelatihan Sistem pengenalan bahasa isyarat huruf abjad menggunakan LVQ... 47 Gambar 3.16. Form Pengenalan Sistem pengenalan bahasa isyarat huruf abjad menggunakan LVQ... 47 Gambar 4.1. Antarmuka form home... 50 xi
Gambar 4.2. Antarmuka form input... 50 Gambar 4.3. Antarmuka form pelatihan... 51 Gambar 4.4. Antarmuka form pengenalan... 51 Gambar 4.5. Pengujian penerimaan input citra bahasa isyarat pada form input... 53 Gambar 4.6. Pengujian penerimaan input citra bahasa isyarat pada form pengenalan... 53 Gambar 4.7. Pengujian proses pre-processing pada form input... 54 Gambar 4.8. Pengujian proses pre-processing pada form pengenalan... 54 Gambar 4.9. Dialogbox pada proses menyimpan data cita ke database... 55 Gambar 4.10. Notifikasi penyimpanan data ke dalam database... 55 Gambar 4.11. Pengujian proses pelatihan LVQ... 56 Gambar 4.12. Dialogbox proses pelatihan telah selesai... 56 Gambar 4.13. Pengujian proses pengenalan pada form pengenalan... 57 xii
DAFTAR TABEL Tabel 2.1. Program flowchart... 24 Tabel 3.1. Tabel Data Bobot Awal... 45 Tabel 3.2. Tabel Data Latih... 45 Tabel 4.1. Implementasi tabel data bobot awal... 49 Tabel 4.2. Implementasi tabel data latih... 49 Tabel 4.3. Tabel Hasil Pengujian... 59 Tabel 4.4. Contoh sampel citra bahasa isyarat yang memiliki kemiripan... 60 xiii
DAFTAR LAMPIRAN Lampiran 1. Sampel citra bahasa isyarat untuk setiap subset 5-fold cross validation...65 Lampiran 2. Implementasi Fungsi....67 Lampiran 3. Hasil Pengujian....95 xiv
BAB I PENDAHULUAN Bab ini membahas latar belakang, rumusan masalah, tujuan dan manfaat, dan ruang lingkup penelitian tugas akhir mengenai sistem pengenalan bahasa isyarat menggunakan metode learning vector quantization (LVQ). 1.1. Latar Belakang Komunikasi merupakan hal penting bagi kehidupan manusia. Menurut Onong Uchjana Effendy komunikasi adalah proses penyampaian pesan oleh seseorang kepada orang lain untuk memberitahu, mengubah sikap, pendapat, atau perilaku, baik secara lisan (langsung) ataupun tidak langsung (melalui media) (Effendy, 1984). Agar komunikasi berjalan dengan baik, pelaku komunikasi harus sama - sama mengerti bahasa yang digunakan. Beberapa orang yang kurang beruntung (dalam hal ini penderita tuna rungu) tidak dapat menggunakan bahasa verbal dengan baik, oleh sebab itu diciptakanlah sebuah bahasa agar penderita tuna rungu dapat berkomnukasi dengan orang lain. Bahasa ini dikenal dengan bahasa isyarat. Yang dimaksud dengan bahasa isyarat adalah bahasa yang lebih mengutamakan bahasa tubuh, gerak bibir dan komunikasi manual dan tidak mengutamakan suara. Bentuk dari bahasa isyarat untuk tuna rungu lebih kepada kombinasi bentuk dan gerakan tangan, lengan, tubuh dan ekspresi wajah yang kesemuanya ini digunakan untuk mengungkapkan apa yang mereka pikirkan. Akan tetapi, sulit bagi orang normal untuk memahami komunikasi orang berkebutuhan khusus. Permasalahan yang diangkat dalam kasus penelitian kali ini dilatar belakangi oleh sedikitnya masyarakat umum yang mengerti bahasa isyarat. Kemajuan teknologi, khususnya dalam bidang informatika memungkinkan masyarakat yang sebelumnya tidak mengerti bahasa isyarat dapat belajar untuk mengenali bahasa isyarat dengan sebuah sistem yang dapat menerjemahkan bahasa isyarat dalam huruf - huruf alfabet. Salah satu cara yang dapat digunakan untuk mengembangkan sistem tersebut adalah dengan pengenalan pola. Penelitian dengan tema pengenalan pola untuk pengenalan bahasa isyarat telah dilakukan oleh Atik Mardiyani dalam tugas akhirnya 1
yang berjudul Pengenalan Bahasa Isyarat Menggunakan Metode PCA dan Haar Like Feature. Pada peneletian ini dilakukan pengenalan bahasa isyarat tangan secara langsung dari webcam. Deteksi obyek tangan menggunakan tool haar training. Dengan menggunakan ekstraksi fitur metode PCA (EigenObject) pada program yang telah dibuat memiliki akurasi rata-rata huruf sebesar 80,43% (Mardiyani, et al., 2010). Jaringan syaraf tiruan (JST) merupakan representasi buatan yang mencoba mensimulasikan proses pembelajaran pada otak manusia. JST dapat mengenali bahasa isyarat berdasarkan citra. Beberapa metode JST yang dapat digunakan untuk mengenali suatu citra atau pola adalah Backpropagation, Learning Vector Quantization (LVQ), dan Perceptron. Learning Vector Quantization (LVQ) adalah metode jaringan syaraf tiruan yang melakukan pembelajaran pada lapisan kompetitif terbimbing (supervised). LVQ merupakan algoritma yang cocok untuk klasifikasi pola yang masing-masing unit outputnya telah ditentukan target/kelasnya. Penelitian dengan tema jaringan syaraf tiruan menggunakan metode LVQ sudah pernah dilakukan, diantaranya oleh saudara Nugroho Romadhoni dengan judul Klasifikasi Golongan Darah Menggunakan Pengolahan Citra Digital dan Jaringan Syaraf Tiruan Learning Vector Quantizazion dengan tingkat akurasi mencapai 89% (Romadoni, 2008). Kemudian, pada penelitian tentang Aplikasi Pengenalan Karakter Pada Plat Nomor Kendaraan Bermotor Dengan Learning Vector Quantization (Maulana, 2013), tingkat keberhasilan pengenalannya mencapai 87,093%. Hal ini membuktikan bahwa metode LVQ cukup efektif untuk digunakan dalam proses pengenalan sebuah objek. Berdasarkan uraian diatas, dengan tingginya tingkat akurasi pada pengenalannya maka penulis membuat sebuah aplikasi pengenalan bahasa isyarat huruf abjad bahasa Indonesia dengan jaringan syaraf tiruan menggunakan metode Learning Vector Quantization (LVQ). 1.2. Rumusan Masalah Berdasarkan uraian pada latar belakang, maka rumusan masalah yang diangkat pada tugas akhir ini adalah bagaimana membuat sistem pengenalan bahasa isyarat huruf abjad menggunakan metode LVQ. 2
1.3. Tujuan dan Manfaat Tujuan yang ingin dicapai dalam penelitian tugas akhir ini adalah menghasilkan sistem pengenalan bahasa isyarat huruf abjad menggunakan metode LVQ. Manfaat dari penelitian tugas akhir ini adalah dapat membantu seseorang belajar mengenali bahasa isyarat huruf abjad. 1.4. Ruang Lingkup Ruang lingkup dalam pembuatan sistem pengenalan bahasa isyarat adalah sebagai berikut : 1. Bahasa isyarat yang akan dikenali sebanyak 26 huruf abjad. 2. Input yang diterima aplikasi ini berupa citra satu buah huruf bahasa isyarat yang diambil dengan kamera. 3. Pada saat pengambilan citra, posisi lensa kamera tegak lurus dengan objek. 4. Citra bahasa isyarat yang akan diproses menggunakan background bewarna putih. 5. Citra bahasa isyarat berupa file citra dengan format JPG. 6. Aplikasi berbasis desktop dengan menggunakan bahasa pemograman MATLAB. 7. Hasil keluaran dari aplikasi ini berupa text, dimana text yang dihasilkan bersesuaian dengan huruf alfabet pada sistem isyarat bahasa Indonesia (SIBI). 1.5. Sistematika Penulisan Sistematika penulisan yang digunakan dalam tugas akhir ini terbagi dalam beberapa pokok bahasan, yaitu: BAB I PENDAHULUAN Bab ini berisi latar belakang, rumusan masalah, tujuan dan manfaat, ruang lingkup dan sistematika penulisan tugas akhir mengenai sistem pengenalan huruf abjad dengan menggunakan metode jaringan syaraf tiruan LVQ. BAB II TINJAUAN PUSTAKA Bab ini memaparkan studi pustaka yang berhubungan dengan topik tugas akhir mengenai mengenai pengenalan huruf abjad dengan menggunakan metode jaringan syaraf tiruan LVQ. Pustaka yang digunakan dalam penyusunan tugas akhir ini meliputi Pengolahan Citra, Bahasa Isyarat, 3
Jaringan Syaraf Tiruan Learning Vector Quantization, Cropping, Grayscalling, thresholding, scalling, Structured Programming, dan Waterfall. BAB III ANALISIS DAN PERANCANGAN Bab ini menyajikan mengenai pembahasan tahapan dari model pengembangan perangkat lunak Waterfall yang meliputi tahap analisis dan perancangan. Tahap analisis ini dijelaskan mengenai pengumpulan data, deskripsi umum sistem, kebutuhan fungsional dan non fungsional, pemodelan data, dan pemodelan fungsional. Sedangkan tahap perancangan dijelaskan mengenai perancangan arsitektur jaringan syaraf tiruan, perancangan struktur data, perancangan antarmuka dan perancangan fungsi. BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini menyajikan mengenai pembahasan tahapan dari model pengembangan perangkat lunak Waterfall yang meliputi tahap implementasi dan pengujian. Tahap implementasi ini dijelaskan mengenai lingkungan implementasi sistem, implementasi data, implementasi antarmuka, implementasi fungsi dan implementasi jaringan syaraf tiruan LVQ. Sedangkan tahap pengujian dijelaskan mengenai pengujian fungsional sistem. BAB V KESIMPULAN DAN SARAN Penutup berisi tentang kesimpulan dari penulisan tugas akhir dan saran saran untuk pengembangan selanjutnya. 4